Обнаружение неисправностей в двигателях внутреннего сгорания с применением нечеткой логики

Автор: M.B. Celik and R Bayir

автор перевода: Кусакин Владимир

1 Department of Automotive, Technical Education Faculty, Zonguldak Karaelmas University, Karabuk, Turkey

2 Department of Electronics and Computers, Technical Education Faculty, Zonguldak Karaelmas University, Karabuk, Turkey

Аннотация:

В исследовании базировалось дополнительная нечеткая логика, система обнаружения неисправностей была разработана для диагностики неисправностей двигателя внутреннего сгорания (ДВС) и система объединена в стенд для испытания двигателя. Входных переменных нечеткой логики классификатор были приобретены с помощью карт данных и RS-232 порт. Основа правила была разработана система, рассматривая теоретические знания, профессиональные знания, и результаты эксперимента. Точность нечеткой логики, классификатор был испытан на экспериментальных исследованиях, которые проводились в различных условиях поломок. Использование разработанной системы диагностики отказов оборудования, 10 общих недостатков, которые наблюдались в двигатель внутреннего сгорания, были успешно диагностированы в режиме реального времени. Благодаря этим характеристикам, система может быть легко использована для диагностики неисправностей в испытательных лабораториях и в сервисных мастерских.

Ключевые слова: двигатель внутреннего сгорания, нечеткая логика, обнаружения неисправностей

1 Введение

Более широкого использования автомобилей и массового производства увеличивает спрос на безопасные и надежные транспортные средства. Поддержание высокого уровня надежности двигателя за счет эффективной диагностики отказов, таким образом, важно по нескольким причинам. Во-первых, время простоя двигателя, стоит дорого. Во-вторых, определенных условиях неисправности могут представлять угрозу для безопасности как человека и окружающей среды. Таким образом, большое количество автомобилей на дорогах привело к законодательной и нормативной давлению со стороны некоторых народов, например, США и Японии, для контроля выброса выхлопных газов [1]. Из-за мощности автомобиля, рабочее состояние двигателя оказывает непосредственное влияние на рабочие данные автомобиля. Есть много недостатков, которые возникают из автомобильных двигателей, чтобы очистить эти затраты большого количества и много времени было потрачено именно с этой целью [2]. Из-за неэффективности сжигания в двигателе или неспособность некоторых системах, таких как выбросы вредных окиси углерода (CO), углеводородов (НСs) и оксидов азота (NOx), увеличивается расход топлива и снижает мощность двигателя. Определение неисправностей в то время, что они встречаются, и их ремонта прежде чем они приведут к большим недостатки важно уменьшить ущерб, причиненный двигателя неисправности, которые влияют на людей, экономики и окружающей среды. Неисправности в автомобильных двигателей может быть вызвано различными причинами. Некоторые неисправности двигателя может произойти в результате износа, без учета или неисправности некоторых частей двигателя. Двигатель недостатков можно назвать перемежающийся отказ или на провал. Dirty топлива, влажность поставщика шапку, и высоковольтным утечки в компонентах системы зажигания могут быть предоставлены в качестве примеров перемежающийся отказ, а утечка воздуха во впускной коллектор, дефектные свечи, носили струй карбюратора может быть предоставлена как примеры на провал. Отклонение от ожидаемого поведения может указывать на вероятное неисправностей на ранней стадии, и такие недостатки, называют начальной недостатки. Начальном неисправности может постепенно осложнения и в конечном итоге привести к серьезному вины или постоянного отказа [3].

Сегодня технологии искусственного интеллекта широко используются для диагностики неисправностей [4]. Некоторые исследования проводились для выявления неисправностей в двигателях с применением нечеткой логики, искусственного интеллекта. Солиман и др. в. [5] исследовали диагностики автомобильной системы контроля за выбросами с использованием нечеткого логического вывода. Их результаты показали, что применение системы нечеткой логики может повысить эффективность автомобильного диагностического инструмента. Laukonen и др. в. [6] исследовали диагностики и изоляции для экспериментальных двигателей внутреннего сгорания с помощью нечеткой идентификации. Результаты этого исследования было показано, как построить нечеткое идентификатор для оценки двигателя сигналы, необходимые для расчета отклонения от номинального поведение двигателя. Это дало возможность определения некоторых приводов и недостатки калибровка датчика. Kilagiz и др. в. [7] исследовали нечеткой диагностики и консультирования системы для оптимизации выбросов и расхода топлива. Из-за системы, многие недостатки двигателя были обнаружены эффективно.

Раума и др. в. [8] исследовали подход с применением нечеткой логики в двигателе диагностики неисправности. Их результаты показывают, что ошибки могут быть обнаружены с нечеткой модели и локализованы с перевернутым нечетких моделей. Isermann [9] исследовали нечеткой логики приложений для автоматического управления, контроля и диагностики неисправностей. Результаты показали, как нечеткая логика подходы могут быть применены к процессу контроля и диагностики неисправностей с приближенными рассуждения наблюдаемые симптомы. Комли и др. в. [10] исследовали диагностика неисправностей двигателя с применением нечеткой логики. С нечетких испытательный стенд вывода, они исследовали очень высокой скорости нечеткой логики, чтобы изолировать недостатки использования статистической информации и информации раннего вина, что активно развивается во времени. Лу и др. в. [11] исследовали нечеткой системы для автомобильной диагностики неисправности. Нечеткая модель была реализована в нечеткой диагностической системы, которая обнаружена утечка вакуума в электронный контроллер двигателя в автомобилях.

Как правило, большинство неисправности двигателя, когда двигатель работает под нагрузкой. При работе двигателя в режиме холостого хода, некоторые неисправности двигателя, не отображаются. Например, при работе двигателя на холостом ходу, зажигает свечи, но под нагрузкой не может воспламениться, или двигатель с хорошим времени зажигания на холостом ходу не может быть в хорошем времени зажигания на высокой скорости и нагрузки. Для правильного и раннего диагностики неисправностей, диагностики должны быть выполнены при работе двигателя под нагрузкой.

Для осуществления этой системы для испытания двигателя, была разработана в данном исследовании. Эта система позволила двигатель должен быть загружен и данных, передаваемых на компьютер одновременно. Двигатель был запущен в условиях восприимчивы к неисправности с использованием разработанной системы. Многие параметры, которые отклоняются от нормальных значений наблюдали в то время как двигатель был запущен. Кроме того, нечеткой логики, диагностика неисправностей система, подключенная к стенд для испытания двигателей был разработан в целях выявления неисправностей в режиме реального времени. В этом исследовании, количество выявляемых неисправностей, а также надежность системы обнаружения были увеличены на 8 измерения различных параметров внутреннего сгорания. Организация работы состоит в следующем. В разделе 2, недостатки наблюдаются в двигателе введены. Экспериментальных исследований для обнаружения этих недостатков и создания баз правил объясняются. В разделе 3, разработанные модели нечеткого классификатора логика, которая была разработана в MATLAB нечеткой системы вывода редактора вводится. Правила базы объяснил. В разделе 4, результаты этого исследования, а также предложения о будущих исследований приведены.

2 Экспериментальная РАБОТЫ

Экспериментальная установка была построена для того, чтобы строить правила базе системы диагностики неисправности. Он также служил для обнаружения неисправностей в режиме реального времени в то время как двигатель работает под нагрузкой и тестирования нечеткой логики, диагностика неисправностей системы. Экспериментальная установка состоит из испытаний двигателя постоянного тока динамометр, счетчик расхода топлива, выхлопных газов, системный анализ, различные измерительного оборудования, персональных компьютеров (ПК) и карты сбора данных, как показано на рис. 1. Advantech perripheral Component Interconnect (PCI) 1710 HG сбора данных карточка была использована для передачи данных на ПК со стенда для испытания двигателя. Эта карта имеет вход 16-канальный аналоговый и 2-канальный аналоговый выход порты. Аналогового ввода и вывода каналов 12 бит. Частотой дискретизации карты 100 ksamples / с Карты довольно быстро, поскольку она работает на PCI слот и 4 Кб кэш-памяти. Эти особенности делают возможным измерение сложных и зашумленных сигналов [12].

рис. 1. Эксперементальная установка

Хотя крутящий момент двигателя, число оборотов двигателя, температуры двигателя и расхода топлива были переданы на компьютер через карту сбора данных в реальном времени, CO, HC, двуокись углерода (С02) и кислорода (02) и выбросов. То есть (коэффициента избытка воздуха) значения были переданы в компьютер с помощью RS-232 в режиме реального времени. Выбросов и. Т.е. величины были измерены с момента вступления в первый глушитель с ВС MGA 1200 выхлопных газов. Расход топлива измерялся с помощью датчика расхода топлива.

Этот тест система была разработана для двигателей Fiat (1,6 1). Характеристики этого двигателя приведены в таблице 1. Все тесты проводились на этом движке. Двигателей, работающих под нагрузкой более восприимчивы недостатки. Таким образом, испытания проводились при определенных оборотов двигателя (3000 об / мин), которая приобрела Максимальный крутящий момент при полной нагрузке в соответствии с ценой в каталоге двигателя. Мощность двигателя такие параметры, как мощность двигателя, расход топлива и температуры двигателя на такой скорости были определены из каталога двигателя, [13]. Двигатель настроил до испытания и измерения были проведены, когда двигатель достиг рабочей температуры. Для всех экспериментальных работ, температура окружающего воздуха поддерживалась постоянной при 20 ° С без ущерба для диагностики результатов.

Таблица 1 Технические характеристики испытания двигателя

Первоначально,  данные были получены от здоровой двигателя на заданных условиях. Затем различных неисправностей в соответствии с таблицей 2 физически индуцированных в двигателе и данные были измерены с 10 различных ошибок. Все данные для крутящего момента двигателя, число оборотов двигателя, расход топлива, температуры двигателя, CO, HC, CO2, O2 и выбросов, и. Т.е. значения были собраны. Для всех испытаний, значения были зафиксированы после предоставления достаточного времени для двигателя стабилизироваться. Измеренные данные были использованы для нечеткой логики признать ошибки, и различия между неисправных и нормальному функционированию. Так как CO, HC, CO2, O2 и выбросов было достаточно, чтобы изучить сгорания связанных недостатки, NOx не измеряется в данном исследовании. Блок-схема с указанием этапов нечеткой системы диагностики неисправностей логика приведены на рис. 2.

Таблица 2 Ошибки двигателя принятые в рассмотрение

3 Тип нечеткой логики с системой обнаружения неисправностей

Нечеткая логика нашла широкого применения. Электрическая бытовая техника, автомобильные электричество, машины, используемые ежедневно, технология производства, промышленных технологий и автоматизации некоторые из этих приложений [14]. Нечеткая логика позволяет использовать знания специалистов, которые можно через превращение его в лингвистических терминов. Точность постановки может быть определена во время тестирования системы или во время реального рабочего времени наблюдений. Эта функция обеспечивает гибкость для основных нечеткой логики. Таким образом, она эффективно использоваться в исследованиях двигателя диагностики неисправностей и анализа.

Рисунок 2. Блок-схема нечеткой логики диагностики неисправностей системы

Единственный недостаток нечеткой логики в том, что он не дает определенных результатов. Эти результаты от своей естественной структуры [15, 16].

Рис. 3 нечеткой логики контроллера

В нечеткого логического контроллера, х входных значений, µ(x) является fuzzified стоимость продукции, µ(u) является результатом вывода эксплуатации, а также является u выходное значение. Fuzzifier устройство преобразует данные в определенной входу контроллера в формате лингвистических переменных. Нечеткой базы знаний представляет собой два основных данных: база данных и баз правил. Хотя база данных включает в себя определение каждой системе переменных, используя нечеткое множество, правила база охватывает нормы инспекции, которые необходимы для получения реального производства. Устройство вывода устройство, которое выполняет нечеткого вывода на нечетких правил. Это подразделение выполняет операцию похожим образом, что люди думают. Дефаззификации блок преобразует нечетких значений, полученных с выхода вывода устройство для числовых значений. Эта операция называется нечеткой логики.

Рис. 4 блок-схема нечеткой логики дизайна классификатора

На рисунке 4 показана структурная схема нечеткого классификатора дизайн логики. Наиболее важной особенностью в стадии нечеткой логики дизайна классификатора является то, что члены функции, представляющие собой входные и выходные параметры должны быть выбраны таким образом, что могут определить абсолютно системы [17]. Входных переменных, определенных для этого исследования, а также функции принадлежности из них приведены на рис. 5, а выходной переменных приведены на рис. 6. Принимая двигателя недостатки во внимание, нечеткой логики системы состояла из 8 входов и 11 выходов. Мощность двигателя, топлива расход, температура двигателя, CO, O2, CO2, HC и выбросов, а также. То есть были выбраны в качестве входных переменных. Каждая входная переменная состоит из пяти функций принадлежности. Эти функции в виде очень низкий, низкий, нормальный, высокий и очень высокий. Каждая функция принадлежности выходной переменной указывает на одном вине. Треугольник и трапеция формы были отобраны для функций принадлежности входных и выходных переменных. Причина для выбора ва функции членов треугольника, чтобы сделать расчеты в fuzzification процесс и дать возможность нечеткой логики классификатора дать быстрый ответ. Причина для выбора трапеции, что нечеткая логика контроллера не требует расчетов центральной площади трапеции. Кроме того, трапеции содержит лучшие представлены значения определены функции принадлежности этого района. Хотя некоторые функции принадлежности входных переменных были размещены через равные промежутки времени, некоторые другие были помещены в различные промежутки времени. Они были помещены в различные интервалы в соответствии со значениями двигателя каталоге, экспертные знания, а также результаты проведенных экспериментальных исследований.

Рис. 5 входных переменных нечеткой логики классификация для двигателя Fiat (1.61)

Рис. 6 Выходные величины нечеткой логики классификация для двигателя Fiat (1,61) (VLM, очень худой смеси; L.M., худой смеси; RM, богатой смеси, NRM, нормально, VRM, очень богатой смеси; F.A., ошибочное распыления; LC, низкая сравнения; FI, неисправного зажигания; EF, чрезмерное трение; OH, перегрева; FSL, утечки топлива системы)

При возникновении неисправности двигателя, некоторых значениях параметров двигателя отклоняются от нормальных значений.
Отклонение параметров позволяет обнаружить ошибки. Двигатель недостатки, характеризуются тем, что ряд неудач могут иметь общую причину или может быть побочным эффектом одна причина. Однако какого-либо одного симптома ошибка может быть вызвана несколькими источниками провал. Диагностика всех этих случаях требуется экспертная система, которая может логически мыслить, как человека-эксперта. Это, очевидно, требует больших и сложных правило базу, которая поддерживается достоверные факты и данные [1]. В этом исследовании, за знаниями, 3 экспертов, работающих Fiat службы были проведены консультации. Кроме того, эти эксперты также договорились о входных переменных нечеткой логики классификаторов и определения их принадлежности функции и структура баз правил. Некоторые из этих правил Полученные данные приведены в таблице 3 в качестве образцов. Есть в общей сложности 201 правил нечеткого классификатора логики.

Таблица 3 База правил

После вывода по вине переменную, соответствующую области пересечения треугольника или трапеции функций принадлежности происходит, может указывать на более чем один виноват. Если это нежелательно, значения функций принадлежности может быть изменен с нечеткой системы управления окнами вывода таким образом, чтобы они не пересекаются (рис. 6). Пересечение функций выход членов дал желаемых результатов в некоторых исследованиях диагностики неисправностей [18]. В случае пересечения функций принадлежности, системы указывает на более чем один виноват.

Это становится возможным диагностировать многие недостатки двигателя посредством измерения выбросов выхлопных газов двигателя значения, а некоторые параметры производительности. Есть ли вина, особенно в систему питания и зажигания может быть определена путем анализа выбросов значения [19]. CO, O2, CO2, HC и выбросы различны для разных двигателей. На рисунке 7 показан типичный изменения в выбросах с горючей смеси в двигатель с искровым зажиганием [20, 21]. В этом исследовании, многие ввода переменные были измерены и изменения в более чем одной переменной указать же вине. Таким образом, более точная диагностика неисправностей был осуществлен. Например, низкая мощность двигателя и расход топлива с низким содержанием СО и выбросы CO2 и O2 высоких выбросов и. Т.е. указать худой вине смеси. Кроме того, определение реального причину неисправности можно путем измерения многих входных переменных. Например, перегрев двигателя могут особенно в результате охлаждения и / или очень худой смеси. Т.е. и CO, CO2, O2 и выбросов двигателя в норме, неисправность может возникнуть в результате охлаждения.

Рис. 7 Вариации в некоторых выбросов в двигатель с искровым зажиганием

Нечеткой логики модели классификатора разработана с использованием MATIAB Simulink для нечетких диагностики отказов логики показано на рис. 8. В этой модели входных переменных были переданы из MATIAB рабочую среду для нечеткого классификатора логики. Fuzzification была проведена в соответствии с количеством членов и типа функции принадлежности выбран нечеткого классификатора логики. Нечеткие значения (с правилами, определенными экспертов и использования нечетких логических операций), вывод функции принадлежности, а значения функций принадлежности были получены. Затем пользователю информацию о полученных диагностики неисправностей (рис. 9).

Рис. 8 модель, разработанная в MATLAB Simulink для нечеткой логики диагностики отказов

Пользователь может изменить число входных и выходных переменных нечеткого логического контроллера и предельные значения функций принадлежности в MATLAB нечетких редактор системы вывода и может добавить правила, правила базы или может изменить существующие правила. В нечеткой редактор системы вывода, форма и количество функций принадлежности входных и выходных переменных может быть изменен. Эти особенности дают гибкость в нечеткой логики диагностики отказов и обеспечить четкое результатов.

Рис. 9 Окно результатов диагностики нечеткой логики, диагностика неисправностей системы (ДВС, двигателя внутреннего сгорания)

4 ВЫВОДЫ И ПРЕДЛОЖЕНИЯ для будущих исследований

В этом исследовании, была разработана нечеткая логика с системой диагностики неисправностей обнаружения неисправности двигателя. Как двигатели более чувствительны к неисправности во время работы под нагрузкой, диагностики была проведена в то время как двигатель работает под определенную нагрузку. С помощью разработанной системы, 10 неисправностей наблюдается в двигатель внутреннего сгорания был успешно обнаружен. Нечеткой логики, диагностика неисправностей система была протестирована, используя в общей сложности 86 данных (о различных неисправностях) (табл. 4). Нечеткой логики классификатор был найден классифицировать данные с 90 процентов точности. Благодаря этим характеристикам, система может быть легко использован в сервисные мастерские для диагностики неисправностей и тестирования выступления двигателей в лабораториях. Причиной 10 процентов вина можно объяснить тот факт, что двигатель показал другой ошибки, когда он был запущен в аналогичных условиях вины. Например, двигатель работает с очень худой смесь может обладать худой собственности смеси. Если воздух-распыление топлива в двигателе не является хорошим, двигатель может показать богатое имущество смеси.
Разработанная система может быть использована для других двигателей, имеющих различные характеристики, адаптируя их к испытанию. Эти двигатели могут быть и другие примеры такой же конструкции и другие виды спецификаций. Некоторые изменения должны быть внесены в базу, как правило граничных значений диагностики неисправностей системы входных переменных изменения в этих системах. Например, в исполнении таких параметров, как мощность двигателя, расход топлива и выбросов при изменении параметров двигателя, тип топливной системы и типа системы зажигания не будут изменены. После диагностики неисправностей для этих двигателей не требуется, уточнение граничных значений входных переменных и изменение правила таблицы значений по каталогу, экспертных знаний и экспериментальных исследований, становится необходимой. Если диагностика неисправностей в возрасте двигателя должны быть выполнены, нечеткой логики, диагностика неисправностей системы свидетельствует о том, что двигатель в возрасте (низкая компрессия ошибка). Если этот двигатель в возрасте другие недостатки, эти недостатки могут быть диагностированы.

Таблица 4 Результаты диагностики неисправностей

Эта система может быть улучшена путем индивидуализации общих недостатков. Например, исследуя только возгорания или неисправности топливной системы, дефектный элемент может быть обнаружена. Кроме того, датчик неисправности могут быть обнаружены в двигателях внутреннего сгорания с электронными системами управления путем сравнения сигналов датчиков нормальных и дефектных двигателей. Изменяя правила базы и увеличения числа входных переменных, более ошибки могут быть обнаружены. Разработанная система может быть преобразована в подходящий инструмент для диагностики неисправностей с шасси динамометра или дорожные испытания без снятия двигателя с автомобиля.

БЛАГОДАРНОСТЬ
Это исследование было поддержано Зонгулдак Караелмас университет Научно-исследовательский фонд, в рамках проекта "2003-3802-02. Авторы благодарят Зонгулдак Караелмас Университет и Карабюк Fiat службы за их вклад.

ССЫЛКИ

1. Gelgele, H. L. and Wang, K. An expert system for engine fault diagnosis: development and application. J. Intell. Mfg, 1998, 9, 539-545.
2. Weijie, W., Yuanfu, K., Xuezheng, Z., and Wentao, H. Study of automobile engine fault diagnosis based on wavelet neural networks. In Proceedings of the Fifth World Congress on Intelligent control and automation, Hangzhou, People's Republic of China, 15-19 June 2004, pp. 1766-1770.
3. Kher, S., Chande, P. K., and Sharma, P. C. Automobile engine fault diagnosis using neural networks. In Proceedings of the IEEE Conference on Intelligent transportation systems, Oakland, California, USA, 25-29 August 2001, pp.492-495 (IEEE, New York).
4. Bay, O. F. and Bayir, R. Kohonen network based fault diagnosis and condition monitoring of pre-engaged starter motors. Int. ]. Automot. Technol., 2005, 6(4), 341-350.
5. Soliman, A., Rizzoni, G., and Kim, Y. W. Diagnosis of an automotive emission control system using fuzzy inference. Control Engng Practice, 1999, 7(2), 209-16.
6. Laukonen, E. G., Passino, K. M., Krishnaswami, v., Luh, G. C., and Rizzoni, G. Fault detection and isolation for an experimental internal combustion engine via fuzzy identification. IEEE Trans. Control Systems Technol., 1995, 3(3), 347-355.
7. Kilagiz, Y., Baran, A., Yildiz, Z., and Cetin, M. A fuzzy diagnosis and advice system for optimization of emissions and fuel consumption. Expert Systems Applic., 2005, 28, 305-311.
8. Rauma, T., KurId, M., and Alahuhta, P. An approach of using fuzzy logic in fault diagnosis. In Proceedings of the Fourth European Congress on Intelligent techniques and soft computing (EUFIT '96), 1996, Part 3, pp. 1909-1913 (Verlag der Augustinus Buchhandlung, Aachen)
9. Isermann, R. On fuzzy logic applications for automatic control, supervision, and fault diagnosis. IEEE Trans. Systems, Man, Cybernetics, Part A: Systems Humans, 1998, 28(2), 221-235.
10. Comly, J. B., Bonissone, P. P., and Dausch, M. E.
    Fuzzy logic for fault diagnosis. Proc. SPIE, 1991, 1381, 390-400.
11. Lu, Y., Chen, T. 0., and Hamilton, B. A fuzzy system for automotive fault diagnosis: fast rule generation and self-tuning. IEEE Trans. Vehicular Technol., 2000, 49(2), 651-660.
12. PCI-171O series user's manual, 2003 (Advantech Co.
    Ltd, Taiwan).
13. Fiat Tempra service catalogue, 1990 (Kaya Press, Istanbul) .
14. Mendel, J. T. Fuzzy logic systems for engineering: a tutorial. Proc. EEE, 1995, 83(3), 345-377.
15. Chow, M. Y. Methodologies of using neural network and fuzzy logic technologies for motor incipient fault detection, 1997 (World Scientific, Singapore).
16. Kalogirou, S. A. Artificial intelligence for the modeling and control of combustion processes: a review. Prog. Energy Combust. Sci., 2003, 29, 515-566.
17. Lee, C. C. Fuzzy logic in control systems: fuzzy logic controller - Part 1. IEEE Trans. Systems, Man, Cybernetics, 1990, 20(2), 404-418.
18. Bay, O. F. and Bayir, R. Fault diagnosis of starter motors using fuzzy logic. In Proceedings of the Third International Advanced Technologies Symposium, Ankara, Turkey, 2003, pp. 520-534 (Gazi University).
19. Crouse, W. H. and Anglin, D. L. Automotive mechanics, 1993, p. 476 (McGraw-Hill, New York).
20. Heywood, J. B. Internal combustion engines fundamentals, 2000, p. 147 (McGraw-Hill, New York).
21. Ferguson, C. R. Internal combustion engines, 1986, p.404 (John Wiley, New York).

наверх